Intel memperkenalkan rincian terbaru GPU D Series sebagai solusi komputasi kecerdasan buatan yang dirancang untuk menangani pemrosesan AI dengan kebutuhan memori besar. Dalam ajang Open Compute Project Global Summit pada 12 Oktober 2026, perusahaan tersebut mengungkap kemampuan akselerator yang sebelumnya dikenal dengan nama kode Crescent Island. GPU berbasis arsitektur Xe3P ini menawarkan kapasitas memori LPDDR5X hingga 480 GB, bandwidth 1,5 TB/s, dan kemampuan komputasi hingga 1,3 petaflops FP8. Kehadirannya memperlihatkan strategi Intel dalam mengembangkan teknologi pusat data yang lebih efisien untuk menjalankan model AI generatif, layanan inferensi, dan sistem agentic AI.
Strategi Intel Menghadirkan Pemrosesan AI dengan Memori Besar
Perkembangan industri artificial intelligence mendorong permintaan perangkat keras yang dapat menjalankan model bahasa berukuran besar secara semakin optimal. Sebagai bagian dari strategi komputasi AI, Intel memperkenalkan GPU D Series sebagai akselerator khusus inferensi yang berfokus pada kebutuhan memori besar. Akselerator terbaru ini mula-mula diperkenalkan dengan nama kode Crescent Island sebelum dimasukkan ke lini produk Intel GPU D Series. Melalui pengembangan ini, perusahaan menargetkan hadirnya alternatif akselerasi AI bagi perusahaan pengembang kecerdasan buatan.
Pengumuman pada Oktober 2026 memperjelas kemampuan perangkat mengenai arsitektur pemrosesan GPU D Series. Tidak seperti GPU gaming konvensional, akselerator ini difokuskan pada pemrosesan model kecerdasan buatan. Tahap penggunaan model AI merupakan proses menghasilkan keluaran dari model kecerdasan buatan. Sebagai gambaran, layanan chatbot bergantung pada komputasi inferensi untuk membuat respons. Apabila layanan AI digunakan dalam skala besar, efisiensi perangkat keras semakin penting. Oleh sebab itu, Intel memposisikan akselerator terbarunya sebagai bagian dari infrastruktur AI modern.
Keunggulan Kapasitas Memori dan Bandwidth Intel GPU D270
Salah satu keunggulan utama Intel GPU D Series adalah kemampuan menampung memori berkapasitas besar. Pada konfigurasi produk ini, Intel menggunakan teknologi memori LPDDR5X yang menawarkan karakteristik hemat daya. Kapasitas memori tersebut memberikan ruang bagi model AI berukuran besar. Selain kapasitas tinggi, perangkat ini memiliki bandwidth hingga 1,5 TB/s. Kemampuan transfer data ini memiliki pengaruh besar dalam memenuhi kebutuhan akses data model AI. Perpaduan memori besar serta transfer cepat berpotensi membantu menjalankan model kecerdasan buatan yang membutuhkan banyak memori.
Selain kemampuan memori, Intel GPU D Series mengadopsi mikroarsitektur Xe3P yang dioptimalkan untuk inferensi. GPU pusat data tersebut menawarkan kemampuan puncak hingga 1,3 petaflops FP8. Presisi FP8 mengacu pada format numerik berpresisi rendah yang mendukung akselerasi model kecerdasan buatan. Penerapan representasi numerik FP8 dapat mengurangi kebutuhan komputasi tertentu. Perlu diperhatikan bahwa, kecepatan inferensi aktual bergantung pada konfigurasi sistem. Faktor seperti kompleksitas aplikasi, pengaturan numerik, dan kemampuan sistem menjalankan beban kerja.
Peran Bandwidth dan Kapasitas Memori dalam Inferensi Kecerdasan Buatan
Ketika menjalankan aplikasi kecerdasan buatan, ketersediaan memori memiliki peranan utama karena sistem membutuhkan ruang untuk menyimpan informasi komputasi. Jaringan neural yang berukuran besar sering membutuhkan kapasitas penyimpanan sementara yang luas. Di samping data utama model, proses inferensi membutuhkan memori tambahan untuk data pemrosesan. Bagian penting dalam inferensi transformer adalah KV cache yang menyimpan informasi perhatian dari token sebelumnya. Ketika konteks semakin panjang, kebutuhan memori berpotensi meningkat. Kebutuhan data sementara tersebut menjelaskan pentingnya kapasitas tinggi.
Sebagai ilustrasi, sebuah model AI dengan 70 miliar parameter memerlukan kurang lebih 140 GB untuk menyimpan bobot dalam format FP16. Estimasi sederhana ini belum memasukkan memori kerja tambahan dan berbagai kebutuhan sistem lainnya. Dengan kapasitas hingga 480 GB, GPU D Series memberikan ruang lebih luas untuk konteks panjang ke sejumlah kartu komputasi pada beban kerja yang sesuai. Meski demikian, ruang penyimpanan yang luas belum memastikan throughput tertinggi. Kecepatan transfer data harus dievaluasi secara bersamaan ketika memilih akselerator AI.
Infrastruktur AI dengan Perangkat GPU yang Lebih Mudah Diintegrasikan
Selain menonjolkan kapasitas memori, Intel mengembangkan rancangan yang sesuai dengan sistem komputasi enterprise. Perangkat komputasi berbasis Xe3P tersebut mengandalkan sistem pendinginan udara dengan batas daya yang dinyatakan sebesar 350 watt. Rancangan perangkat tersebut berpotensi menyederhanakan integrasi ke rak server yang kompatibel. Berbeda dari sistem yang membutuhkan pendinginan cair khusus, desain tersebut berpeluang menekan kerumitan instalasi. Namun demikian, kemampuan pendinginan server tetap harus diperiksa agar operasional pusat data berlangsung optimal.
Dari sisi konektivitas, Intel GPU D Series menggunakan antarmuka PCIe 5.0. Antarmuka perangkat tersebut memungkinkan pertukaran informasi dengan sistem host. Dengan memanfaatkan standar umum, Intel ingin mempermudah evaluasi perangkat oleh perusahaan. Meskipun demikian, kompatibilitas server tidak hanya bergantung pada konektor. Faktor seperti kemampuan power supply, dimensi slot ekspansi, dan kapasitas aliran udara. Oleh sebab itu, pengelola infrastruktur sebaiknya memeriksa persyaratan sesuai spesifikasi perangkat.
Dukungan Software Terbuka untuk Pengembangan AI Intel
Keberhasilan sebuah akselerator AI bergantung pada lebih dari sekadar kapasitas memori. Ekosistem pengembangan yang matang menjadi faktor utama dalam mengoptimalkan proses inferensi. Sebagai bagian dari strategi pengembangan, Intel menekankan pendekatan software terbuka. Perusahaan tersebut mengembangkan kompatibilitas dengan ekosistem pemrograman PyTorch dan vLLM untuk melayani permintaan inferensi. Pendekatan perangkat lunak ini bertujuan memberikan fleksibilitas dalam membangun layanan kecerdasan buatan tanpa sepenuhnya bergantung pada ekosistem tertutup.
PyTorch merupakan kerangka kerja komputasi neural yang dikenal luas untuk mengembangkan aplikasi kecerdasan buatan. Di sisi lain, vLLM dirancang agar mendukung pengoperasian layanan LLM dengan pendekatan pemrosesan yang memperhatikan efisiensi sumber daya. Dengan menghadirkan kompatibilitas perangkat lunak, GPU D Series dirancang agar sesuai untuk sejumlah skenario implementasi AI. Perlu diperhatikan bahwa, dukungan awal tidak selalu berarti semua model langsung optimal. Pengembang perlu memeriksa dukungan runtime, kemampuan kernel pemrosesan, serta efisiensi komputasi dalam penggunaan produksi sebelum menggunakan perangkat secara luas.
Peluang Infrastruktur Kecerdasan Buatan melalui GPU D Series
Pengenalan akselerator AI terbaru Intel menggambarkan upaya produsen semikonduktor tersebut dalam memperkuat solusi komputasi pusat data yang menekankan kebutuhan aplikasi AI modern. Kemampuan menyediakan memori berukuran besar, bandwidth memori 1,5 terabyte per detik, dan komputasi puncak 1,3 petaflops FP8 menjadi karakteristik utama untuk melayani permintaan kecerdasan buatan berskala besar. Di samping kemampuan teknisnya, desain berpendingin udara memberikan pilihan integrasi bagi perusahaan. Meski demikian, kinerja sesungguhnya tetap memerlukan pengujian sebelum mengambil keputusan penerapan skala besar. Bagaimana pendapat Anda mengenai perkembangan TEKNOLOGI komputasi AI Intel? Mari sampaikan pandangan Anda mengenai potensinya bagi pusat data.
